第二十七章 卡尔曼滤波算法
一是如何使从视频提取的数据更为精准，二是如何保证在数据代入前两问的模型后，得到的结果精度是否足够低。
事实上，每一个曾经当过国赛的题目都没有字面看上去那么简单。
每一道题目的四个小问，之间都有密不可分的联系。
前几问的模型做的不够精巧，便会影响后续代入时得到的结果。
方舟正在脑海里不断搜索自己看过的哪种算法，适合这道题目。
魏莱对数学算法的了解程度不够，所以暂时也没有想到好办法。
周天星见二人一个沉思，一个没辙，便再次将讨论的主导权抢了过来。
“既然现在没辙，不如我们试试最简单的办法，用软件提取的灰度得到最直接的杆长数据，然后用最简单的图像比例对应关系，得到影长数据。”
图像的比例对应，即在每章图像中旗杆和影子的两端做点，根据长度关系得到杆长和影长的比例关系。
这种方法最直接也是最笨的办法，但带来的最大麻烦便是选点时可能因像素点的偏差带来精度的缺失。
不过使用起来也最为迅速。
在灰度行列式中遍历寻找最低点和最高点，记录所在行列式的位置，得到旗杆长度的像素点数量，再通过比例尺算得影长。
将这组数据代入二三问的模型，瞬间得到数十个可能的计算结果，单个之间的经纬度差距甚至高达一百，可以称得上一句遍布全球。
魏莱对着结果摇了摇头，示意这种方法不行，所有得到的计算结果都和正确答案相距甚远，而且费时费力，对于承载算力的计算机负担太大。
精确，平均，筛检，过滤...
方舟的脑海中正在构建一张临时的，独属于这道题目的思维导图，以这道题目提炼出来的关键点，影子，长度，过滤，预测...等作为树干，在脑海里延伸，扩展，与其相关的知识记忆依附而来。
方舟要做的便是充当园丁，剪去无用的枝丫，留下有用的